我是一名软件工程师，拥有 CS 学位，从事机器学习工作。我正在尝试了解卡尔曼滤波器。

在这个来自 Mathworks 的简短 YouTube 视频中，讨论了关于火箭的卡尔曼滤波器：

• 我们想测量火箭发动机的内部温度。$T_{in}$
• 我们不能将温度传感器直接放在排气口内，因为它太热了。
• 取而代之的是，我们在发动机排气管外部放置了一个外部温度传感器来测量。$T_{ext}$
• 我们知道我们使用了多少燃料：。$W_{fuel}$

视频说我们想要减少测量的外部温度和外部温度的估计值之间的误差。反过来，这将减少未观察到的温度与其估计值之间的误差。$T_{ext}$$\hat{T}_{ext}$$T_{in}$$\hat{T}_{in}$

我从事机器学习工作，所以我对这个系统的输入和输出感到困惑。我的具体问题是：

1. $T_{ext}$是使用外部传感器对系统的输入。为什么它显示为该系统的输出？

2. 我们试图预测。推测它是和的函数；即。如果测量了真实的外部温度 ，为什么这个系统甚至试图预测外部温度？$\hat{T}_{in}$$W_{fuel}$$T_{ext}$$\hat{T}_{in} = f(W_{fuel}, T_{ext})$$\hat{T}_{ext}$$T_{ext}$

3. 如果我要使用机器学习来解决这个问题，我会实现一个回归模型来准确预测与和作为线性回归或神经网络模型的输入特征。为什么我们需要建立这个卡尔曼滤波器系统呢？$\hat{T}_{in} = f(W_{fuel}, T_{ext})$$W_{fuel}$$T_{ext}$

谢谢你的帮助。